欧盟已经向这支计划使用AI技术重现历史气息与嗅觉要素的研究团队提供280万欧元资助。
团队名为“Odeuropa”,拥有来自多个学科的欧洲科学家及学者,具体涵盖历史、艺术史、计算语言学、计算机视觉、语义网、博物馆学、文物科学以及化学等。
未来三年当中,专家们将合作开发“感官发掘与嗅觉文物科学”领域的新颖方法,希望根据数字文本与图像集合构建起一套历史气息、气味与嗅觉百科全书。以此为基础,他们将与化学家、艺术家以及调香理财合作,重建数据库内记录的各种气味。
使用人工智能创造气味历史
Odeuropa项目的总体目标,在于描绘各种气味如何随时间变化,并在社会意义层面发生的改变。正如团队成员William Tullett博士在采访中所言,烟草就是一个典型的例子。
他表示,“烟草是一种重要的商品,于十六世纪被引入欧洲。最初的烟草有一种奇特的气味,但之后很快进行了调整与改良,并成为众多欧洲城镇气味环境中的组成部分。”
人工智能则通过计算语言学与计算机视觉介入其中,相关算法可发掘历史文本与图像,由此生成气息与气味结果,并将其整理进在线《气味传承百科全书》。
这些算法还将扫描气味的感官质量、情感意义以及社会意义等参考结论,帮助Odeuropa团队得以构建起跨越数十年乃至几个世纪的多维气味描述。
Tullett指出,“无论是用迷迭香等草药预防鼠疫,还是在十八、十九世纪使用有气味的盐作为晕厥解药,整个历史总是充斥着各种各样的气味。”
通过开发这部气味百科全书,该团队致力于为历史提供更为多样的感官体验。他们将使用人工智能采集到的气味数据重现各种气味,并将其应用于博物馆及文物古迹当中。
AI与历史
Odeuropa确实是第一个使用AI技术重构历史气味的项目,但却并不是将AI技术引入历史重建的首次尝试。
去年,伦敦大学学院的研究人员使用机器学习对范艾克的画作进行了推理修复。另一个由欧盟资助的Time Machine项目则使用AI技术分析历史文档,借此重建欧洲城市过往的样貌。
今年10月,谷歌公布了一套基于深度学习的工具集,此工具集将帮助研究人员使用历史地图与图像重建城市。谷歌希望这套资源能够成为一份“纲要,帮助历史爱好者们以虚拟方式体验世界各地的城市发展史,帮助研究人员、政策制定者与教育人士勾勒历史面貌,也给普通用户带来一些值得追忆的情怀氛围。”
除了模拟过去之外,AI技术还帮助考古学家们识别考古特征,并预测哪些位置更有可能发现过往人类活动与定居痕迹。
AI技术培训能够以惊人的速度搜寻大量数据,并提供愈发准确的预测结果,因此相信其必然会在历史研究中长期保持活跃。换句话说,人工智能既代表着我们的未来,也将帮助我们深入发掘过去。
好文章,需要你的鼓励
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。